中國要爭AI話語權？目前證據只走到「數據供給」

外来客 • 2026-08-19 10:07:30

声明：本文为对公开视频内容的摘要整理，未经本站独立核实，可能与原视频存在出入，不代表本站立场、观点或建议；观点与版权归原作者及原平台所有。如涉及版权问题，请联系我们，核实后立即删除。 [ 免责声明 ]

政策与平台建设：中国国家数据局今年6月公布文件，定义高质量数据集并要求扩大供给；目标到2028年底建立一批覆盖重点领域的高品质数据集。
产业落地数据：今年2月底，72家行业链主单位签署工作任务书；4月底，国家数据局管理服务平台试运行，已有200余家认证供需主体发布1000余个数据集。
具体数据集案例：上海人工智能实验室的“书生万卷”数据集，2023年发布时定义为可用于大模型预训练的多模态语料，后续扩展至阿拉伯语、俄语等低资源语言。
学术研究局限：一项Nature研究通过额外预训练实验表明，增加国家协调媒体内容会使模型对中国政治机构的回答更正面，但这反映的是既有中文资讯环境的影响，并未证明“书生万卷”等新数据集已被海外模型大量使用并造成新的清洗输出机制。